Photoroom 宣布推出 Visual Agents，这是一个托管系统，可为企业产品目录执行 AI 图像和视频制作。此次发布附带内部基准测试结果，显示目前市场上最佳的 AI 图像编辑模型仅在 29% 的情况下通过完整的产品保真度检查，并且在每五个结果中就有一个会扭曲或使标志变得无法辨认。
Photoroom 在 850 个真实产品中测试了 4,250 张由 AI 生成的图像，涵盖服装、鞋履、包袋、珠宝和配饰。Photoroom Fidelity Layer 对 4,250 张 AI 生成图像进行了测试，其表现最佳，作为 Visual Agents 的测试标准，准确率达 8%。正是这种需求促使全球多家最大型电商平台建立了自己的内部图像评分系统。
企业AI视觉制作的集成挑战
企业在利用 AI 进行视觉制作时面临的挑战已不再是产能问题，而是集成问题。团队需要找出能够解决其视觉问题的工具，然后将多个模型和供应商整合起来，以弥补单一工具无法独立完成的功能。由此产生的结果是：成果不一致、质量审核仍需人工介入，以及定制化工作流维护成本高于构建成本。
Visual Agents 自动化解决方案
Visual Agents 消除了这些繁琐工作。该系统会读取每张接收到的图像，选择最适合的模型，将最终结果与应展示的产品进行比对评估，并自动重试任何失败的尝试，仅将真正处于边缘情况的案例转交给人工审核员。
在测试中，Photoroom 工程师发现，同一件服装可能在一次保真度检查中失败，而在下一次尝试中通过，期间该范围内的模型并未发生任何变化。Replay 功能会在审核员看到之前自动修复部分此类缺陷，因此人工审核仅保留给真正需要的情况。
企业的早期实施案例包括：
- 全球最大的消费者电商平台之一，在三周内运行了超过 150 万次自动化质量检查，并修正了超过 9 万张被扫描检测到存在缺陷的图像；
- 一个食品配送平台，在一次夜间批量处理中处理了 8,200 张目录图像，其中 99.9% 自动完成，仅有七张转交给人工审核员；以及
- 一个全球时尚二手交易平台，在使用 Photoroom 的 Create & Transform [API]（该 API 现已集成于 Visual Agents 内）后，与对照组相比，七天内总商品交易额增长了 2.2%，各产品类别的增长幅度在 2% 至 5% 之间。
"我曾负责过每年处理数百万产品的图像运营工作，而无人关注的是审核队列。每一张需要人工处理的图像都代表某人的一天中的一分钟，而在目录规模下，这些分钟累积起来就意味着需要增加人手。Visual Agents 将这一队列缩减为仅需真正人工干预的图像。"
—— Photoroom 影像负责人 Jeff Strauss（此前曾在 Gap、Amazon 和 Wolt 任职）
"几乎每个我们交谈的企业团队都描述了同样的问题。他们拥有良好的模型，但在流程结束时却无法获得一个值得信赖的产品目录。这并非模型本身的问题，而是围绕它的一切：如何为每个产品选择合适的模型、检查结果是否足够好以进行销售，以及在结果不佳时如何修复。这项工作原本落在我们的客户身上，因此我们开发了 Visual Agents，让这项工作由我们来承担。"
—— Photoroom 首席执行官兼联合创始人 Matt Rouif
定价与服务保障
Visual Agents 现已面向企业客户推出，采用基于用量的定价策略。对忠诚度要求更严格的企业可以添加至企业保障，即对结果质量做出的合同承诺。该代理首先执行自身的新一轮尝试周期，而保修覆盖仍未达到标准的部分。